《电子技术应用》

基于视觉目标跟踪的PTZ控制方法

2017年电子技术应用第1期
潘振福,许 静,刘 成,朱永利
(华北电力大学 计算机系,河北 保定071003)
摘要: 针对目前基于主动视觉的PTZ摄像机控制跟踪性能差,无法连续、实时跟踪动态目标,且跟踪目标的准确度低下等缺陷,提出了一种基于核相关视觉目标跟踪算法的云台摄像机控制方法。首先设计了云台摄像机系统的整体架构。视觉目标跟踪采用核相关目标跟踪方法,时效性很高,跟踪精确度也位列于目标跟踪领域的高等水平。根据跟踪结果信息,通过PELCO-D协议控制PTZ摄像机,始终保持目标在视频画面内。并用C++实现了KCF算法控制PTZ摄像机上位机,实验验证了该种PTZ控制方法的准确性、适用性及稳定性。
中图分类号: TP391
文献标识码: A
DOI:10.16157/j.issn.0258-7998.2017.01.038
中文引用格式: 潘振福,许静,刘成,等. 基于视觉目标跟踪的PTZ控制方法[J].电子技术应用,2017,43(1):145-147.
英文引用格式: Pan Zhenfu,Xu Jing,Liu Cheng,et al. The method of controlling PTZ camera based on visual object tracking[J].Application of Electronic Technique,2017,43(1):145-147.

The method of controlling PTZ camera based on visual object tracking

Pan Zhenfu,Xu Jing,Liu Cheng,Zhu Yongli
(Department of Computer Science,North China Electric Power University,Baoding 071003,China)
Abstract: For that currently the PTZ camera control based on active tracking is performing poor, not able to tack dynamic object continuously and real-timely, and low accuracy of tracking,a method of controlling PTZ camera based on kernelized correlation object tracking is proposed. Firstly, the overall architecture of PTZ camera system is designed. The KCF tracker used is efficient.And it′s tracking accuracy is also ranked in higher level in the field of target tracking.Secondly,to make sure keeping the target in video images,PTZ camera is controlled through the PELCO_D protocol with the information of tracking results. The PC system of controlling PTZ camera is implemented by using Improved KCF algorithm with C++. The accuracy, applicability and stability of this kind of PTZ control method are verified by the experiments.

0 引言

    PTZ(Pan/Tilt/Zoom)摄像头是将CCD摄像机、变焦变倍镜头、全景云台等部件集成在一个单元中构成的摄像机系统。传统的PTZ摄像机监控系统通过人工操控键盘或者摇杆对监控目标进行跟踪,如果目标较远,通过手动控制镜头变焦,这种人工操控的方式跟踪误差太大,造成系统摄像不稳定、不连续。近年来,基于主动视觉的PTZ摄像机系统逐渐发展,陈双叶等人提出基于Camshift算法和卡尔曼滤波器目标跟踪算法的PTZ摄像机控制方法[1],简单地采用颜色直方图作为跟踪匹配特征,容易受到光照变化、运动模糊遮挡等因素影响而造成跟踪失败。WANG S等人提出的高斯混合模型目标检测定位方式的PTZ控制方法仅仅解决了镜头对焦问题[2]。而DONG E等人除了应用高斯混合模型目标检测之外,还融合了Kalman滤波器与Camshift算法对目标进行跟踪,从而控制PTZ摄像机[3],相比近年来先进的目标跟踪技术,这些跟踪算法相对落后,其性能容易受众多因素影响,包括光照变化、遮挡和背景混杂等。在视觉目标追踪(The Visual Object Tracking,VOT)2014年挑战结果[4]中显示,基于分类相关滤波器的跟踪器是目前最优秀的目标跟踪算法之一,提供了先进的跟踪性能。HENRIQUES J F等使用了梯度方向直方图(HOG)特征,提出了核相关滤波器(Kernelized Correlation Filter,KCF)及双相关滤波器(Double Correlation Filter,DCF)跟踪器[5],运算速度能达到300 b/s以上。

    本文采用KCF目标跟踪方法作为控制算法核心对运动目标进行跟踪,并采用粒子滤波框架对目标进行运动状态预测,根据跟踪结果使用PID算法对PTZ摄像机进行协调控制。

1 PTZ摄像机系统架构

    本文中的PTZ摄像机系统由云台摄像机、视频采集卡以及运行PTZ控制系统的上位机组成,如图1所示。

jsj4-t1.gif

    由视频采集卡从摄像头采集回来的图像传入算法中进行跟踪运算,通过RS232转RS485串口遵循PELCO-D协议控制PTZ摄像机转动,保持跟踪目标在视频图像中。PELCO_D协议定义了水平旋转、上下旋转、变焦变倍等功能。

2 目标跟踪方法

    在KCF跟踪算法中,以核岭回归分类器作为核心,用循环移位方法致使样本变换,建立循环矩阵来训练该分类器,然后把目标与周围背景区分开来,从而达到对目标快速有效检测跟踪的目的。对样本进行巧妙地变换使训练数据矩阵具有循环特性,就可以通过离散傅里叶变换对角化,便能减少几个数量级的存储与计算,这就是文献[5]提出的核岭回归相关滤波器(Kernelized Correlation Filter,KCF),具有其他核算法没有的线性复杂度。

2.1 岭回归分类器

    针对线性岭回归判别函数f(z)=wTz,训练的目的是利用样本xi找到一个权值wi对回归目标yi最小平方误差:

    jsj4-gs1.gif

其中λ是正则化参数,控制过度拟合。根据文献[6]得到最优解:

jsj4-gs2-4.gif

    由式(4)可知,需要优化的变量是α,而并不是w。

    核岭回归问题的解由文献[9]给出:

    jsj4-gs5.gif

2.2 循环矩阵

    对样本x进行移位变换,可以获得循环矩阵X,即:

    jsj4-gs6.gif

    矩阵X完全由指定的样本向量x(这里的第一行)循环移位生成。无论生成向量x为何值,所有循环矩阵都能被离散傅里叶变换(DFT)矩阵对角化[10]。也就是:

jsj4-gs7.gif

2.3 核相关分类器训练

    只要满足文献[5]提出的定理1的核函数的核矩阵K具有循环结构,所以:

jsj4-gs8-11.gif

2.4 目标快速检测

    为了检测出感兴趣物体,通常用回归函数f(z)去评估目标在多个图像中位置信息,从而估计出目标位置。把包含目标图像且比目标尺寸大的图像块作为搜索窗口,对此搜索窗口进行循环移位,形成不同的候选图像块,然后建模成循环结构的循环矩阵。

    假设核矩阵Kz由匹配模板和搜索窗口样本核相关所得。因为匹配模板X和检测样本Z是基于元素向量x和z移位变换的循环结构矩阵,相应的,Kz的每个元素是由κ(pi-1z,pj-1x)组成,根据文献[5]的定理1可以验证这个矩阵是一个循环核矩阵。与上一节相似,只需第一行元素来表示核矩阵:

    jsj4-gs12.gif

其中kXZ是前面定义的x与z的核相关运算。可以把回归函数表示为:

    jsj4-gs13.gif

    注意到f(z)是一个矩阵元素z向量的所有移位变换形式的输出响应,为了更有效地计等式(13),得到对角化后的等式:

jsj4-gs14-16.gif

3 实验分析

    在QT5平台上完成PTZ摄像头系统上位机端的C++实现,运用了OPENCV库。 

3.1 跟踪质量评估

    在实验室环境下,运行结果如图2所示,运动目标被完全遮挡的情况下,跟踪算法仍然很稳定。

jsj4-t2.gif

3.2 PTZ控制质量实验

    上位机通过RS232转RS485转串口与PTZ摄像头相连,遵循PELCO_D协议控制。控制结果如图3所示。图中中间位PTZ摄像头贴有白色的标识,以便明显看到其转动,图中右下角为摄像头跟踪的图像。结果显示,其能始终保持跟踪目标在图像中。

jsj4-t3.gif

4 结论

    针对目前现有的主动视觉的PTZ摄像头控制系统的跟踪性能较差、导致跟踪丢失等问题,提出了一种基于核相关视觉目标跟踪器的PTZ摄像机控制方法,并在QT平台上应用OPENCV库实现了PTZ摄像机控制系统的C++版。实验结果验证了本系统的稳定性与鲁棒性。

参考文献 

[1] 陈双叶,王善喜.PTZ摄像机跟踪运动目标的智能控制算法的研究[J].计算机科学,2015(S2):135-139.

[2] WANG S,TIAN Y,XU Y.Automatic control of PTZ camera based on object detection and scene partition[C].IEEE International Conference on Signal Processing,Communications and Computing.IEEE,2015.

[3] DONG E,YAN S,TONG J,et al.Design and implementation of a moving object tracking system[C].IEEE International Conference on Mechatronics and Automation.IEEE,2015.

[4] KRISTAN M,PFLUGFELDER R,LEONARDIS A,et al.The visual object tracking VOT2014 challenge results[C].Lecture Notes in Computer Science,2014:191-217.

[5] HENRIQUES J F,CASEIRO R,MARTINS P,et al.High-speed tracking with kernelized correlation filters[J].IEEE Transactions on Pattern Analysis & Machine Intelligence,2014,37(3):1-1.

[6] RIFKIN R,YEO G,POGGIO T.Regularized least-squares classification[J].Nato Science Series Sub Series III Computer and Systems Sciences,2003,190(1):93-104.

[7] MULLER K R,MIKA S,TSUDA K.An introduction to kernel-based learning algorithms[J].IEEE Transactions on Neural Networks,2001,12(2):181-201.

[8] SCH?魻LKOPF B,SMOLA A.Learning with kernels:Support vector machines,regularization,optimization,and beyond[M].MIT Press,2002.

[9] RIFKIN R,YEO G,POGGIO T.Regularized least-squares classification[J].Acta Electronica Sinica,2003,190(1):93-104.

[10] GRAY R M.Toeplitz and circulant matrices:a review[M].Now Publishers,2006.



作者信息:

潘振福,许  静,刘  成,朱永利

(华北电力大学 计算机系,河北 保定071003)

继续阅读>>